Metodes pierādījumu reģistrs

Model Confidence Set

The Model Confidence Set (MCS) is a sequential hypothesis-testing procedure introduced by Hansen, Lunde, and Nason (2011) that identifies the smallest collection of forecasting or predictive models statistically indistinguishable from the best-performing model at a given confidence level. Instead of selecting a single winner, MCS returns a set of superior models, making it especially valuable in econometric forecast comparisons where the true best model is unknown.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Model Confidence Set (MCS)

Taksonomiskās metodes reģistrs · hypothesis-test / econometrics

Hansen, P. R., Lunde, A., & Nason, J. M. (2011). The model confidence set. Econometrica, 79(2), 453–497. · DOI 10.2139/ssrn.522382

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Taxonomic bucketDiebold-Mariano Testmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketGiacomini-White Testmachine-suggested · Relational suggestion, not evidence.See alsoStepwise Regressionmachine-suggested · Relational suggestion, not evidence.